'
Научный журнал «Вестник науки»

Режим работы с 09:00 по 23:00

zhurnal@vestnik-nauki.com

Информационное письмо

  1. Главная
  2. Архив
  3. Вестник науки №6 (51) том 3
  4. Научная статья № 43

Просмотры  57 просмотров

Царев Ю.В., Чернорицкий И.С., Кузнецова Е.А.

  


АНАЛИЗ В QGIS МЕТЕОРОЛОГИЧЕСКИХ ДАННЫХ, ПРЕДОСТАВЛЯЕМЫХ ЦЕНТРОМ ПРОГНОЗИРОВАНИЯ КЛИМАТА NOAA, МЕТОДОМ ОТБОРА ПРОБ *

  


Аннотация:
в статье рассматривается пошаговый подход к анализу в программной среде Quantum GIS метеорологических данных, предоставляемых Центром прогнозирования климата NOAA (США). Рассматриваются подходы к средней оценке температуры, ветра, влажности почвы для округов США   

Ключевые слова:
Метеорологические данные, QGIS, метод отбора проб, зональная статистика   


УДК 004.932.2

Царев Ю.В.

к.т.н., доцент кафедры Информационных систем и технологий

Ярославский государственный технический университет

(Россия, г. Ярославль)

 

Чернорицкий И.С.

бакалавр 3 курса кафедры Информационных систем и технологий

Ярославский государственный технический университет

(Россия, г. Ярославль)

 

Кузнецова Е.А.

бакалавр 3 курса кафедры Информационных систем и технологий

Ярославский государственный технический университет

(Россия, г. Ярославль)

 

АНАЛИЗ В QGIS МЕТЕОРОЛОГИЧЕСКИХ

ДАННЫХ, ПРЕДОСТАВЛЯЕМЫХ ЦЕНТРОМ

ПРОГНОЗИРОВАНИЯ КЛИМАТА NOAA,

МЕТОДОМ ОТБОРА ПРОБ

 

Аннотация: в статье рассматривается пошаговый подход к анализу в программной среде Quantum GIS метеорологических данных, предоставляемых Центром прогнозирования климата NOAA (США). Рассматриваются подходы к средней оценке температуры, ветра, влажности почвы для округов США.

 

Ключевые слова: Метеорологические данные, QGIS, метод отбора проб, зональная статистика.

 

Многие наборы научных и экологических данных представлены в виде растров с координатной сеткой [1]. Данные о высоте цифровой модели рельефа также распространяются в виде растровых файлов. В этих растровых файлах представляемый параметр кодируется как значения пикселей растра. Часто требуется извлечь значения пикселей в определенных местах или агрегировать их по некоторой области [2, 3]. Эта функциональность доступна в приложении Quantum GIS через алгоритмы обработки для точечных слоев (Sample raster values) и для полигональных слоев (Zonal Statistics) [4].

В данной работе мы пользовались данными, предоставляемыми Центром прогнозирования климата NOAA (США). В качестве примера использовались файлы 2021_Gaz_ua_national.csv с информацией о районных центрах, tl_2021_us_county.shp с данными границ районов и растровый файл us.tmax_nohads_ll_20210920_float.tiff, представляющий собой сетку температур.

После того как в QGIS будет создан новый проект, файл us.tmax_nohads_ll_20210920_float.tiff помещаем на холст. В итоге будет представлена карта температур, которая представлена на рисунке 1.

 Этот растровый слой содержит максимальную температуру, записанную в каждом пикселе в градусах Цельсия. Далее мы загрузим файл точек городских районов. Этот файл поставляется в виде текстового файла в формате значений, разделенных табуляцией (CSV). На панели «Слои» будет загружен новый точечный слой 2021_Gaz_ua_national и промежуточный результат будет выглядеть как на рисунке 2.

 Далее мы извлекаем значения из растрового слоя из в этих точках. На следующем шаге мы будем использовать слой округов для выборки растра и вычисления средней температуры для каждого округа. Файл с округами tl_2021_us_county.shp помещаем на холст QGIS (рис. 3).

 

В «Анализ растров» находим «Зональная статистика» (рис. 24) и запускаем его. Выбираем us.tmax_nohads_ll_20210920_float в качестве растрового слоя и tl_2021_us_county в качестве исходного слоя, содержащего границы районов. Вводим «TMAX_»  в качестве префикса выходного столбца. Нажмите кнопку «...» рядом со статистикой, чтобы рассчитать.

 

Далее нажимаем кнопку «Выполнить», чтобы начать обработку растрового слоя. Выполнение алгоритма может занять несколько минут. В итоге создается новый слой «Зональная статистика» как на рисунке 5.

 

Правой кнопкой мыши на слое «Зональная статистика» можно выбрать таблицу атрибутов слоя со средними данными температуры по району. Они находятся в столбце с именем TMAX_mean, добавленным в таблицу атрибутов. Он содержит среднее значение температуры для каждого района. Присутствуют некоторые значения null, потому что эти районы (принадлежащие Аляске, Гавайям и Пуэрто-Рико) находятся за пределами экстента растрового слоя.

Таким образом, можно заключить, что модуль зональной статистики QGIS, реализующий метод отбора проб, позволяет эффективно проводить анализ растровых данных. Так как растровые данные могут иметь специфический вид, то регионы и точки за пределами растра могут иметь отличное от нормы значение.

 

СПИСОК ЛИТЕРАТУРЫ:

 

Climate Engine [Электронный ресурс]. Режим доступа: https://app.climateengine.com/climateEngine (дата обращения 12.06.2022)

Rabbi S.E,  Ali M., Costa L.C., Pradhan P., Rahman A., Yunus F.Md, Kroppa J.P. Identifying climatic and non-climatic determinants of malnutrition prevalence in Bangladesh: A country-wide cross-sectional spatial analysis // Spatial and Spatio-temporal Epidemiology. 2021. Vol. 37. P.100422

Song M.,  Li W.,  Zhou B.,  Lei T. Spatiotemporal data representation and its effect on the performance of spatial analysis in a cyberinfrastructure environment – A case study with raster zonal analysis// Computers & Geosciences. 2016. Vol. 87, P. 11-21

QGIS Свободная географическая информационная система с открытым кодом [Электронный ресурс]. Режим доступа: https://qgis.org/ru/site/index.html (дата обращения 12.06.2022)

 

Tsarev Yu.V.

Candidate of Technical Sciences,

Associate Professor of the

Department of Information Systems and Technologies

Yaroslavl State Technical University

(Russia, Yaroslavl)

 

Chernoritsky I.S.

Bachelor of the 3rd year of the

Department of Information Systems and Technologies

Yaroslavl State Technical University

(Russia, Yaroslavl)

 

Kuznetsova E.A.

Bachelor of the 3rd year of the

Department of Information Systems and Technologies

Yaroslavl State Technical University

(Russia, Yaroslavl)

 

QGIS ANALYSIS OF METEOROLOGICAL

DATA PROVIDED BY THE NOAA CLIMATE

FORECASTING CENTER BY SAMPLING METHOD

 

Abstract: the article discusses a step-by-step approach to the analysis in the Quantum GIS software environment of meteorological data provided by the NOAA Climate Prediction Center (USA). Approaches to the average estimation of temperature, wind, soil moisture for US districts are considered.

 

Keywords: meteorological data, QGIS, sampling method, area statistics.

  


Полная версия статьи PDF

Номер журнала Вестник науки №6 (51) том 3

  


Ссылка для цитирования:

Царев Ю.В., Чернорицкий И.С., Кузнецова Е.А. АНАЛИЗ В QGIS МЕТЕОРОЛОГИЧЕСКИХ ДАННЫХ, ПРЕДОСТАВЛЯЕМЫХ ЦЕНТРОМ ПРОГНОЗИРОВАНИЯ КЛИМАТА NOAA, МЕТОДОМ ОТБОРА ПРОБ // Вестник науки №6 (51) том 3. С. 279 - 285. 2022 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/5921 (дата обращения: 29.03.2024 г.)


Альтернативная ссылка латинскими символами: vestnik-nauki.com/article/5921



Нашли грубую ошибку (плагиат, фальсифицированные данные или иные нарушения научно-издательской этики) ?
- напишите письмо в редакцию журнала: zhurnal@vestnik-nauki.com


Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2022.    16+




* В выпусках журнала могут упоминаться организации (Meta, Facebook, Instagram) в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25 июля 2002 года № 114-ФЗ 'О противодействии экстремистской деятельности' (далее - Федеральный закон 'О противодействии экстремистской деятельности'), или об организации, включенной в опубликованный единый федеральный список организаций, в том числе иностранных и международных организаций, признанных в соответствии с законодательством Российской Федерации террористическими, без указания на то, что соответствующее общественное объединение или иная организация ликвидированы или их деятельность запрещена.